Le travail qui suit s’appuie sur cinq fichiers issus du projet SnpNet :
- strain.csv : nom des lignées utilisées et informe si elles sont contrôles ou non.
- individual.csv : informations de chaque drosophile : name, id, date, age, sex, user, strain_number.
- phenotype_data.csv : données phénotypiques obtenues à partir d’un logiciel et de films des coeurs disséqués.
- phenotype_data.csv_control_nooutliers.csv : même fichier que phenotype_data.csv, à ce près que les individus considérés comme outliers ont été retirés.
- phenotype_data.csv_date_correction.csv : correction journalière déduite des contrôles à appliquer aux données phénotypiques (à voir si on l’utilisera).
Le contenu de presque tous les fichiers cités au-dessus a été compilé pour donner un dataframe au format long le plus complet possible quant aux drosophiles étudiées et aux valeurs recueillies. Le fichier phenotype_data.csv n’est pas concerné car on choisit de travailler avec les données sans outliers.
Le barplot ci-dessous représente le nombre d’individus par lignée et par âge.
Quelques lignées ont été répliquées. Excepté pour les lignées wild type, seul un des réplicat sera conservé : celui avec le plus grand nombre d’individus, et dans un cas d’égalité, celui dont la date d’expérimentation sera la plus proche de celle du deuxième âge étudié. Un dataframe “DATA_QC” est créé et les lignées qui ne seront finalement pas analysées sont indiquées par “dup” dans la colonne “QC”.
Le graphique ci-dessous montre les différents réplicats dans le lot d’individus étudiés, on peut voir qu’il s’agit exclusivement de duplicats. Le second barplot montre la nouvelle allure des individus par lignées lorsque les duplicats sont retirés.
## Chosen by date : dgrp310 dgrp317 dgrp405 dgrp406 dgrp850
Pour chacun des phénotypes, seulement les lignées contenant plus de 8 drosophiles à chaque âge sont analysées. Si un phénotype n’a plus un nombre suffisant de lignées, il n’est pas analysé.
Le problème est que certaines lignées n’ont pas assez de drosophiles peu importe le phénotype (lignées en dessous de la ligne pointillée sur le graphique précédent). Ces lignées sont indiquées par “under” dans la colonne “QC2” de “DATA_QC”
## Strains with less than 8 drosophiles : dgrp818 dgrp859 dgrpxxx dgrp409 dgrp42 dgrp911
Six lignées ont été retirées. Les données sont réorganisées pour obtenir des graphiques sans “trous”. En effet, ce même barplot sera présent au début de l’analyse de chaque phénotype, ce qui facilitera l’observation des lignées retirées pour chacun des phénotypes.
Voici la distribution des individus par lignées et par âge pour les 163 lignées restantes après retrait des individus “dup” et “under”. Ces données sont regroupées dans un nouveau dataframe qui sera la base de nos analyse : “DATA_Analysis”.
La distribution des individus par phénotype et par âge aide à visualiser quelles données ont été les plus dures à obtenir. Certaines jugées incorrectes (dues à une erreur technique par exemple) au premier regard ont été supprimées du fichier phenotype_data.csv dans une étude préalable.
On voit que le phénotype Pcent_DI_sup3 n’est plus représenté par aucun individu. Etant donné le faible nombre d’invididus pour certaines lignées, telle que Pcent_Long_DI, il serait statistiquement faux de les analyser.
Les données de “DATA_Analysis” sont fractionnées selon chacun des phénotypes. A nouveau, nous ne souhaitons garder que les lignées ayant un minimum de 8 drosophiles à chaque âge. Un nouveau dataframe est créé pour chaque phénotype, nommé “DATA_Nomphénotype”, contenant les données après filtre des lignées. Les phénotypes avec moins de 80% des lignées restantes ne sont pas analysés.
Dans le cadre de l’analyse des données, la mad (mediane absolute deviation) est utilisée. La mad est à la médiane ce que le sd est à la moyenne, elle donne donc une information sur la dispersion des données. De manière plus concrête, voici comment elle est calculée :
1. La médiane d’un ensemble de données est déterminée : \(m\).
2. La différence de la valeur de chaque individu avec la médiane est ensuite calculée : \(xi-m\).
3. On prend la valeur absolue des différences et on détermine leur médiane : \(MED([ |xi-m| ]_{i=1:n})\).
Cette dernière valeur est la mad. En toute logique, elle a le même avantage que la médiane de ne pas tenir compte des outliers.
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2363500, p-value = 0.0001305 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5004, p-value = 0.005415 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 381010, p-value = 2.916e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4721072
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 663800, p-value = 0.3078 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.08031434
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1875700, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 2039, p-value = 1.424e-14 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 418170, p-value = 3.107e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4206333
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 528160, p-value = 0.0005599 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2682345
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1854700, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 1862, p-value = 1.378e-15 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 435960, p-value = 2.141e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3959854
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 573430, p-value = 0.008592 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2055132
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2079900, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 3525, p-value = 1.678e-07 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 461210, p-value = 2.59e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3610017
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 507870, p-value = 0.0001311 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2963434
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2386000, p-value = 0.1948 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 6507, p-value = 0.7712 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 501260, p-value = 7.907e-05 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3055126
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 536160, p-value = 0.0009535 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2571533
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.66258 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2034100, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 7091, p-value = 1.074e-06 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 128410, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.7068201
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 383810, p-value = 0.1482 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.123704
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.66258 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1777200, p-value = 0.1167 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5505, p-value = 0.1319 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 218200, p-value = 5.268e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5018185
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 419880, p-value = 0.6298 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.04133665
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1718100, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 1604, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 437320, p-value = 2.467e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3940928
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 570650, p-value = 0.007408 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2093621
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1675300, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 1279, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 434150, p-value = 1.772e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3984876
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 557210, p-value = 0.00349 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2279942
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2051300, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 3260, p-value = 1.42e-08 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 450050, p-value = 8.902e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3764638
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 539970, p-value = 0.00122 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.251869
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2323400, p-value = 0.004085 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5649, p-value = 0.08681 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 510970, p-value = 0.0001652 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2920511
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 543280, p-value = 0.001504 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.247283
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 3350700, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 11893, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 457780, p-value = 1.876e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3657484
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 573420, p-value = 0.008587 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2055298
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 3363900, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 11917, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 446140, p-value = 6.052e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.38187
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 568380, p-value = 0.006549 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2125154
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2730800, p-value = 1.052e-06 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8775, p-value = 0.0005291 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 492880, p-value = 4.072e-05 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3171203
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 544920, p-value = 0.001666 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2450136
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2316500, p-value = 5.686e-05 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5134, p-value = 0.01029 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 467240, p-value = 4.515e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3526444
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 607630, p-value = 0.04389 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1581293
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2574600, p-value = 0.06239 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 7706, p-value = 0.09022 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 399810, p-value = 3.557e-09 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4460655
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 560000, p-value = 0.0041 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2241259
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2684600, p-value = 9.97e-06 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8408, p-value = 0.004271 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 421100, p-value = 4.317e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4165711
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 578600, p-value = 0.01125 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1983474
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2350200, p-value = 0.09235 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 6096, p-value = 0.3311 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 443260, p-value = 4.53e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3858685
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 507130, p-value = 0.0001239 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2973798
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2298300, p-value = 0.00156 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5715, p-value = 0.1089 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 468170, p-value = 4.915e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3513475
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 562330, p-value = 0.00468 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2208977
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2323400, p-value = 0.004085 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5649, p-value = 0.08681 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 510970, p-value = 0.0001652 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2920511
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 543280, p-value = 0.001504 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.247283
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2658900, p-value = 0.0002822 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8329, p-value = 0.0064 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 379950, p-value = 2.495e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4735786
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 592900, p-value = 0.02271 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1785348
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1163700, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 315, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 338150, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5315006
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 651460, p-value = 0.2159 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.09740303
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1153900, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 392, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 377260, p-value = 1.18e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4773052
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 692340, p-value = 0.6054 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.04076959
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2691100, p-value = 0.0002439 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8301, p-value = 0.007359 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 375860, p-value = 1.333e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4792508
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 654710, p-value = 0.2379 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0928974
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2180600, p-value = 6.118e-08 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 4474, p-value = 0.0002528 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 532010, p-value = 0.0007254 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2629003
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 567090, p-value = 0.006103 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2142972
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2423700, p-value = 0.9296 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5775, p-value = 0.1327 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 574130, p-value = 0.008913 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2045516
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 580650, p-value = 0.01249 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1955127
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.66258 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1982600, p-value = 2.313e-14 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 6572, p-value = 0.0001603 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 155050, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.6460011
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 424490, p-value = 0.7198 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.03081131
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2439200, p-value = 0.04432 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5847, p-value = 0.1662 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 420570, p-value = 4.07e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4173026
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 780740, p-value = 0.2994 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.08171646
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudiés pour chaque lignée ordonnées selon leur médiane.
Les valeurs phénotypiques sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliquée à ces données. Si la p-valeur est inférieur à 0.05, cela signifie que les deux populations (age1, age4) ont une moyenne significativement différente et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2703800, p-value = 6.673e-05 alternative hypothesis: true location shift is not equal to 0
Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8572, p-value = 0.001753 alternative hypothesis: true location shift is not equal to 0
Le graphique suivant est issu de la différence de la médiane âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la moyenne âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les médianes.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la médiane et la moyenne. On voit en effet que la moyenne est plus influencée par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmedian\(median1 and dfmedian\)median4 S = 364180, p-value = 1.368e-11 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4954306
Le graphique suivant est issu de la différence de la mad âge4 moins celle de l’âge1, les lignées ont été ordonnées suivant cette différence.
Le graphique suivant est issu de la différence de la sd âge4 moins celle de l’âge1, les lignées ont été ordonnées avec le même classement que les mad.
Ci dessous sont les correlations entre l’age 1 et l’âge 4 pour la mad et le sd. On voit en effet que le sd est plus influencé par les valeurs extrèmes.
Spearman’s rank correlation rho
data: dfmad\(mad1 and dfmad\)mad4 S = 606970, p-value = 0.04267 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1590437
| phenotypes | valid_strain |
|---|---|
| DI_on_Hp_Mean | 100.00 |
| DiastolicIntervals_Mean | 100.00 |
| DiastolicIntervals_Median | 100.00 |
| DiastolicIntervals_StdDev | 100.00 |
| DiastolicIntervals_StdDevOnMedian | 100.00 |
| DiastolicMeanDiameter | 84.66 |
| FractionalShortening | 84.66 |
| Heartperiod_Mean | 100.00 |
| Heartperiod_Median | 100.00 |
| Heartperiod_StdDev | 100.00 |
| Heartperiod_StdDevOnMedian | 100.00 |
| Heartrate_Mean | 100.00 |
| Heartrate_Median | 100.00 |
| Heartrate_StdDev | 100.00 |
| Heartrate_StdDevOnMedian | 100.00 |
| NormalizedIntervals_Mean | 100.00 |
| NormalizedIntervals_Median | 100.00 |
| NormalizedIntervals_StdDev | 100.00 |
| NormalizedIntervals_StdDevOnMedian | 100.00 |
| Pcent_Long_DI | 4.91 |
| Pcent_Long_SI | 0.61 |
| SD_on_Median_Heartperiod | 100.00 |
| SI_on_DI_Mean | 100.00 |
| SystolicIntervals_Mean | 100.00 |
| SystolicIntervals_Median | 100.00 |
| SystolicIntervals_SI_on_Hp_Mean | 100.00 |
| SystolicIntervals_StdDev | 100.00 |
| SystolicIntervals_StdDevOnMedian | 100.00 |
| SystolicMeanDiameter | 84.66 |
| Total_DI | 66.87 |
| Total_DI_Time | 100.00 |
| Total_SI | 66.87 |
| Total_SI_Time | 100.00 |
| nameOutliers1 | Freq |
|---|---|
| dgrp195 | 3 |
| dgrp208 | 6 |
| dgrp26 | 5 |
| dgrp303 | 2 |
| dgrp350 | 4 |
| dgrp354 | 2 |
| dgrp358 | 6 |
| dgrp361 | 2 |
| dgrp365 | 2 |
| dgrp373 | 2 |
| dgrp377 | 2 |
| dgrp439 | 4 |
| dgrp443 | 2 |
| dgrp513 | 2 |
| dgrp517 | 3 |
| dgrp630 | 3 |
| dgrp634 | 3 |
| dgrp646 | 6 |
| dgrp705 | 6 |
| dgrp714 | 6 |
| dgrp732 | 2 |
| dgrp737 | 8 |
| dgrp738 | 3 |
| dgrp804 | 2 |
| dgrp855 | 4 |
| dgrp88 | 2 |
| dgrp890 | 5 |
| dgrp894 | 8 |
| dgrp93 | 2 |
| nameOutliers4 | Freq |
|---|---|
| dgrp105 | 11 |
| dgrp149 | 5 |
| dgrp195 | 4 |
| dgrp229 | 2 |
| dgrp239 | 2 |
| dgrp287 | 4 |
| dgrp303 | 4 |
| dgrp338 | 8 |
| dgrp340 | 3 |
| dgrp348 | 3 |
| dgrp358 | 6 |
| dgrp380 | 3 |
| dgrp382 | 3 |
| dgrp390 | 2 |
| dgrp405 | 2 |
| dgrp437 | 4 |
| dgrp439 | 11 |
| dgrp440 | 3 |
| dgrp443 | 2 |
| dgrp461 | 9 |
| dgrp517 | 2 |
| dgrp531 | 2 |
| dgrp551 | 2 |
| dgrp707 | 2 |
| dgrp73 | 2 |
| dgrp748 | 2 |
| dgrp776 | 11 |
| dgrp796 | 4 |
| dgrp799 | 12 |
| dgrp804 | 6 |
| dgrp808 | 4 |
| dgrp822 | 2 |
| dgrp855 | 2 |
| dgrp882 | 8 |
| dgrp890 | 6 |
| dgrp894 | 7 |
| dgrp907 | 2 |
| dgrp913 | 3 |
| dgrp93 | 11 |